在Hadoop环境里面统计西游记文章的词组（hdfs实验）

在Hadoop的环境里面我们测试一个文件，对西游记这个书籍里面的所有词语，进行统计排序。hadoop包括两个核心组成：HDFS：分布式文件系统，存储海量的数据MapReduce：并行处理框架，实现任务分解和调度。

hadoop运行机制

MapReduce工作原理

首先我们准备四个文件，在自己Windows里面已经写好的，或者是从其他地方copy过来的（涉及一些参数和路径的修改）

点击下载这四个参考文件
前面两文件是实现我们的文章词组的分割处理和排序处理（Python文件），后面的一个是执行文件，最后一个是西游记里面的文章，这个里面已经利用pycharm的jieba 库做好的文字的处理，只有词组和空格，没有标点符号和其他的东西。

准备：

首先打开虚拟机，启动Hadoop

这样就启动成功了，有的时候我们很容易忽略这个，我的这台机器配置了，开机自启动，所以打开虚拟机就会自己启动，但是如果没有的话我们就需要利用下面的代码

start-all.sh

  

 

  
1
 

之后等待启动OK，再去查看即可

实验过程

思路：

1.首先把文件上传到我们的虚拟机home目录，然后对其中三个文件权限进行修改。
2.修改run.sh 里面的参数，Hadoop文件路径，Python文件路径。
3.上传我们文件到hdfs本地

实验过程：

1.首先我们在home目录里面新建一个test1的文件夹，然后把这四个文件拖到我们新建的这个文件夹里面。然后我们去修改其中2个Python文件的内容，一个sh的文件路径即可

whw@whw-hadoop:~/test1$ chmod 777 mapper.py 
whw@whw-hadoop:~/test1$ chmod 777 reduce.py 
whw@whw-hadoop:~/test1$ ll
总用量 1420
drwxr-xr-x  2 whw whw 4096 9月  25 23:44 ./
drwxr-xr-x 21 whw whw 4096 9月  28 22:02 ../
-rwxrwxrwx  1 whw whw 546 9月  25 23:44 mapper.py*
-rwxrwxrwx  1 whw whw 1038 9月  25 23:44 reduce.py*
-rwxrw-rw-  1 whw whw 275 9月  25 23:42 run.sh*
-rwxrw-rw-  1 whw whw 1431328 9月  24 21:45 xyj_stopwords.txt*
whw@whw-hadoop:~/test1$ 
  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
 

2.然后我们再去本地的hdfs里面创建一个test1的文件

whw@whw-hadoop:~$ hdfs dfs -mkdir /test1
mkdir: `/test1': File exists
whw@whw-hadoop:~$ 

  

 

  
1
  
2
  
3
 

我这里的文件已经存在了，可以通过这个命令去验证一下

hdfs dfs -ls /test1

  

 

  
1
 

然后把我们已经处理好一部分的西游记文件上传到hdfs 本地文件

hdfs dfs -copyFromLocal /home/whw/test1/xyj_stopwords.txt /test1/

  

 

  
1
 

注意copyFromLocal的大小写，然后就是我们的这个文件路径，我们直接点击该文件的属性，复制路径和文件名即可，再去终端粘贴，最后一步就是把这个文件放在那里，我们放在本地的test1的文件夹下面，注意后面加了一个/，如果不加这个，就会给这个文件重命名了。

查看

hdfs dfs -ls /test1/

  

 

  
1
 

hdfs dfs -cat /test1/xyj_stopwords.txt

  

 

  
1
 

3.修改run.sh

首先找到Hadoop的文件路径

sudo find / -name hadoop-stream*

  

 

  
1
 

修改完毕

注意由于我之前测试过一次，所以输出文件已经重复了如果去执行文件的时候，发现以下页面，我们只需要把之前的那个run.sh 里面的那个输出的result改成results即可！！

现在我们执行，但是必须在test终端打开

./run.sh

  

 

  
1
 

我们可以在闲暇之余，我们可以看看执行的过程，我们在我们的浏览器里面输入，回车即可

127.0.0.1:0880

  

 

  
1
 

也可以查看我们Hadoop的配置以及其他参数

结果查看

hdfs dfs -ls /st1/results

  

 

  
1
 

hdfs dfs -cat /test1/results/文件名

  

 

  
1
 

这里的文件名是我们输入第一条命令的时候会出现一个part文件，把这个文件名名字复制粘贴过来即可

最后注意关闭我们的Hadoop机器

stop-all.sh

  

 

  
1
 

每文一语

世界很大，总是会有很巧合的遇见！

文章来源: blog.csdn.net，作者：王小王-123，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/weixin_47723732/article/details/108858765